Enquête EuroBroadMap 2010

Questionnaire et tableaux de données

Auteur·rice

Claude Grasland

Date de publication

2025-08-26

Les archives du projet EuroBroadMap n’ont pas fait l’objet d’un dépôt en bonne dûe forme à la fin du projet et différentes versions de la base de données corrigée ont circulé avant qu’une version stabilisée ne soit finalement arrêtée tardivement. C’est la raison pour laquelle il est important de repartir de cette dernière version et de la tranformer en un fichier stabilisé une bonne fois pour toutes … 15 ans après !

Le questionnaire 2010

L’enquête avait été réalisée sur format papier sous la forme d’une feuille A3 recto-verso pliée. Chaque enquêteur l’avait ensuite traduit dans la langue de son pays et adapté dans lé détail. Une première phase de test du questionnaire avait permis d’harmoniser au maximum les questions et de s’assurer qu’elles pourraient être posées dans tous les pays dans les mêmes termes.

En dehors des métadonnées enregistrées par l’enquêteur (lieu et date d’enquête, niveau et cursus des étudiants interrogés), toutes les informations ont été recueillies à partir du questionnaire que remplissaient les étudiants d’une même salle de cours. La durée moyenne de réponse était de 15 à 30 minutes.

Données de cadrage et expérience du monde

La première partie du questionnaire apportait des données de cadrage sur les individus (âge, sexe) mais aussi sur leurs mobilités personnelles et celle de leurs ascendants. On a ainsi pu évaluer l’expérience plus ou moins grande qu’ont les étudiants de l’étranger, des autres pays et des autres langues. Une question portait plus directement sur le niveau d’échelle auquel les étudiants ont le sentiment d’appartenir, du local au global. Mais on verra par la suite que son interprétation s’est avérée difficile.

EuroBroadmap 2010, partie 1

Attraction et répulsion

Une manière efficace de mettre à jour les représentations du Monde des étudiants a consisté à leur demander les villes et les pays où ils souhaiteraient vivre ou ne pas vivre dans un futur proche. Ces questions en apparence banales se sont révélées très riches en termes d’interprétation et ont été à l’origine du développement de nombreuses méthodes d’analyse inédites.

EuroBroadmap 2010, partie 2

EuroBroadmap 2010, partie 2

Découpage du Monde

Cette question centrale du questionnaire devait permettre de découvrir les imaginaires géographiques des étudiants et de repérer en particulier comment ils se situent dans le dcécoupage général du monde qu’ils proposent. Elle a nécessité un lourd travail de post-traitement puisque les réponses étaient initialement données sur un format papier. Il a fallu numriser les polygones et les raccorder à leur étiquette avant de pouvoir démarrer les analyses. Cette partie de la base est actuellement perdue tant sous forme papier que numérique…

EuroBroadmap 2010, partie 3

EuroBroadmap 2010, partie 3

Europe dans le Monde

La dernière partie du questionnaire visait à demander aux étudiants de tracer leur limite de l’Europe, qu’ils en soient ou non originaires. Cette analyse a montré des convergences générales mais aussi un certain nombre de divergences dans les tracés, notamment vers l’Est avec des inclusions variables de la Turquie et de la Russie. Quant à la question sur les mots associés à l’Europe, elle s’est révélée passionnante mais a soulevé des difficultés de traduction. Les enquêteurs de chaque pays ont en effet été chargé de traduire en anglais les réponses initiales dans la langue du pays, ce qui a engendrée un certain nombre de biais et une perte d’information qui est irréversible puisqueles questionnaires papiers n’ont pas été conservés.

EuroBroadmap 2010, partie 4

Données statistiques

IL n’a pas été très simple de retrouver 15 ans après les données statistiques mais nous avons fini par retrouver les dernières versions corrigées de la partie statistique de la base de donnée. Nous procédons ici à leur récupération et à leur mise en forme dans un tableau utilisable dans R

Le fichier de données intitulé ebm_complete.csv comporte 9167 lignes et 144 colonnes. Il s’ouvre sans difficultés à l’aide du programme R suivant

Extrait de la base de données
Code G_City G_State G_Study G_Time G_Comp A1_Gender A2_Age A3_Born_i A3_Born_f A3_Born_m AX_Mixt_Father AX_Mixt_Mother A4_Nat1_Name A4_Nat1_State A4_Nat2_Name A4_Nat2_State AX_Nbnat AX_Mixt_Birth AX_Mixt_Nat1 AX_Mixt A5_lang1Name A5_lang2Name A5_lang3Name A6_lang1Name A6_lang2Name A6_lang3Name A7_lang1Name A7_lang2Name A7_lang3Name AX_Nblang A8_liv1_State A8_liv2_State A8_liv3_State A8_liv4_State A8_liv5_State AX_nbliv A9_vis1_State A9_vis2_State A9_vis3_State A9_vis4_State A9_vis5_State AX_Nbvis A10_LevInc_raw A10_LevInc A11_LevEdu_f_raw A11_LevEdu_f A12_LevEdu_m_raw A12_LevEdu_m A13_loc A13_inf A13_nat A13_sup A13_glo A13_oth A13_oth_answer A13_nbanswer A13_Rank1_Nb A13_Rank1 A13_Rank1_max A13_Rank1_min A14_Relig A14_Relig_Niv1 A14_Relig_Niv2 A14_Relig_Oth B1_CITLIK1_Name B1_CITLIK1_Code B1_CITLIK1_State B1_CITLIK2_Name B1_CITLIK2_Code B1_CITLIK2_State B1_CITLIK3_Name B1_CITLIK3_Code B1_CITLIK3_State B1_CITLIK4_Name B1_CITLIK4_Code B1_CITLIK4_State B1_CITLIK5_Name B1_CITLIK5_Code B1_CITLIK5_State B1_CITLIK_NB B1_CITUNL1_Name B1_CITUNL1_Code B1_CITUNL1_State B1_CITUNL2_Name B1_CITUNL2_Code B1_CITUNL2_State B1_CITUNL3_Name B1_CITUNL3_Code B1_CITUNL3_State B1_CITUNL4_Name B1_CITUNL4_Code B1_CITUNL4_State B1_CITUNL5_Name B1_CITUNL5_Code B1_CITUNL5_State B1_CITUNL_NB B1_CIT_NB B2_STALIK1_eng B2_STALIK1_iso B2_STALIK2_eng B2_STALIK2_iso B2_STALIK3_eng B2_STALIK3_iso B2_STALIK4_eng B2_STALIK4_iso B2_STALIK5_eng B2_STALIK5_iso B2_STALIK_NB B2_STAUNL1_eng B2_STAUNL1_iso B2_STAUNL2_eng B2_STAUNL2_iso B2_STAUNL3_eng B2_STAUNL3_iso B2_STAUNL4_eng B2_STAUNL4_iso B2_STAUNL5_eng B2_STAUNL5_iso B2_STAUNL_NB B2_STA_NB C2_reg1 C2_reg2 C2_reg3 C2_reg4 C2_reg5 C2_reg6 C2_reg7 C2_reg8 C2_reg9 C2_reg10 C2_reg11 C2_reg12 C2_reg13 C2_reg14 C2_reg15 C2_Nbzon C2_Nbzon_Cl D2_Nbansw D2_answ1 D2_answ2 D2_answ3 D2_answ4 D2_answ5 G_City_name
AZE-BAK-BUS-001 BAK Azerbaïdjan BUS 40130 33 F NA AZE AZE AZE 0 0 Azerbaijani AZE NA NA 1 0 0 0 Azerbaijani NA NA NA Russian NA NA NA NA 2 TKM UZB NA NA NA 2 NA NA NA NA NA 0 4 (2) Low-Medi 8 (4) High 8 (4) High 0 0 1 0 0 0 NA 1 1 National (3) Nat (3) Nat Yes Muslim Muslim NA Tashkent 1512569 UZB Astana 1526273 KAZ Moskva 524901 RUS Bratislava 3060972 SVK Bern 2661552 CHE 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 5 Central Asia X-CAS Swaziland SWZ Denmark DNK Slovenia SVN Greece GRC 5 NA NA NA NA NA NA NA NA NA NA 0 5 Ottoman Empire Azerbaijan Paytaxt-Bauri Iran Republic NA NA NA NA NA NA NA NA NA NA NA 4 (B) 4 to 8 4 doublefaced politics anti-turk anti-muslim anti-iran NA Bakou
AZE-BAK-BUS-002 BAK Azerbaïdjan BUS 40130 33 M 19 AZE AZE AZE 0 0 Azerbaijani AZE NA NA 1 0 0 0 Azerbaijani Russian NA NA English German NA NA NA 4 RUS NA NA NA NA 1 RUS NA NA NA NA 1 6 (3) Medium-H 8 (4) High 8 (4) High 0 0 0 0 1 0 NA 2 1 Global (5) Glo (5) Glo Yes Muslim Muslim NA Hamburg 2911298 DEU Stuttgart 2825297 DEU Bern 2661552 CHE New York City 5128581 USA Washington 4140963 USA 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 5 NA NA NA NA NA NA NA NA NA NA 0 NA NA Armenia ARM NA NA NA NA NA NA 1 1 Turkistan Germany Germany Germany Spain Spain Africa Dingo NA NA NA NA NA NA NA 8 (B) 4 to 8 4 wonderful place visit foreign countries fatherland to die NA Bakou
AZE-BAK-BUS-003 BAK Azerbaïdjan BUS 40130 33 M 19 AZE AZE AZE 0 0 Azerbaijani AZE NA NA 1 0 0 0 Azerbaijani NA NA NA NA NA English NA NA 2 NA NA NA NA NA 0 NA NA NA NA NA 0 2 (1) Low 4 (2) Low-Medi 4 (2) Low-Medi 0 0 1 0 0 0 NA 1 1 National (3) Nat (3) Nat Yes No answer No answer NA Zavatalu 0 NA Mosul 99072 IRQ Venice 3164603 ITA New Orleans 4335045 USA NA NA NA 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 4 Spain ESP Singapore SGP USA USA Mexico MEX Italy ITA 5 Armenia ARM Chad TCD Nigeria NGA Turkey TUR NA NA 4 9 All world should be in Europe NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 (A) 1 to 3 4 technological development high income christianity freedom of human NA Bakou
AZE-BAK-BUS-004 BAK Azerbaïdjan BUS 40130 33 M 19 AZE AZE AZE 0 0 No answer YYYY NA NA 1 0 0 0 Azerbaijani NA NA NA NA NA English Russian Turkish 4 NA NA NA NA NA 0 NA NA NA NA NA 0 2 (1) Low 2 (1) Low 2 (1) Low 0 0 2 0 1 0 NA 3 1 Global (5) Glo (5) Glo No/NA/RR NA NA NA Barcelona 3128760 ESP Rio de Janeiro 3451190 BRA Los Angeles 5368361 USA NA NA NA NA NA NA 3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 3 USA USA Swaziland SWZ Norway NOR Spain ESP Ecuador ECU 5 NA NA NA NA NA NA NA NA NA NA 0 5 Tadoristan America Europe Africa South America New bet Far away NA NA NA NA NA NA NA NA 7 (B) 4 to 8 1 i understand nothing NA NA NA NA Bakou
AZE-BAK-BUS-005 BAK Azerbaïdjan BUS 40130 33 M NA TUR TUR TUR 0 0 Turk TUR NA NA 1 1 1 2 Arabic Turkish NA Azerbaijani English NA NA NA NA 4 NA NA NA NA NA 0 GEO IRN NA NA NA 2 4 (2) Low-Medi 2 (1) Low 6 (3) Medium-H 0 0 1 0 0 0 NA 1 1 National (3) Nat (3) Nat Yes Muslim Muslim NA Moskva 524901 RUS Dubai 292223 ARE Baku 587084 AZE NA NA NA Ashgabat 162183 TKM 4 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 4 Russia RUS Azerbaijan AZE Turkmenistan TKM Sweden SWE Norway NOR 5 NA NA NA NA NA NA NA NA NA NA 0 5 Turkey Azerbaijan NA NA NA NA NA NA NA NA NA NA NA NA NA 2 (A) 1 to 3 1 dual politics NA NA NA NA Bakou
AZE-BAK-BUS-006 BAK Azerbaïdjan BUS 40130 33 M NA AZE AZE AZE 0 0 No answer YYYY NA NA 1 0 0 0 Azerbaijani Russian NA NA NA NA English NA Spanish; Castilian 4 NA NA NA NA NA 0 NA NA NA NA NA 0 0 NA 6 (3) Medium-H 0 NA 0 0 1 0 0 0 NA 1 1 National (3) Nat (3) Nat No/NA/RR NA NA NA Warsaw 756135 POL Oslo 3143244 NOR Prague 3067696 CZE Rio de Janeiro 3451190 BRA Milan 3173435 ITA 5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 5 NA NA NA NA NA NA NA NA NA NA 0 Ukraine UKR Russia RUS USA USA Africa X-AFR Former Yugoslav Republic of Macedonia MKD 5 5 Poland Norway China Brazil Italy Azerbaijan Turkey Armenia NA NA NA NA NA NA NA 8 (B) 4 to 8 5 development job freedom independence amusement Bakou

Comme on peut le constater il y a beaucoup plus de variables que dans le questionnaire car plusieurs colonnes ont été ajoutées sous la forme de métadonnées ou de variables déduites des réponses. Rappelons que la saisie a été effectuée par les chercheurs des différents pays à partir des questionnaires papiers qui ont ensuite été transmis au coordinateur français pour scanner les données géométriques. Ce sont les chercheurs responsables des enquêtes dans chaque pays qui ont assuré la traduction des réponses de la langue de leur pays vers l’anglais.

Nous avons toutefois procédé à un recodage des villes pour utiliser les codes geonames, plus généraux que ceux des aéroports qui avaient été retenus en 2010 pour localiser les villes. C’est le fichier ebm2010_V2 qui sert désormais de référence. Il est fourni au format excel (.xlsx) mais nous préférons l’utiliser au format de sauvegarde interne de R (.RDS) afin de conserver tous les attributs des variables

Métadonnées

Un fichier de métadonnées ebm_meta.csv a été réalisé à la fin du projet, permettant de comprendre le contenu parfois ésotérique des noms de variables et de faire le lien avec le questionnaire. Il constitue une source indispensable pour reprendre l’analuse des résultats et se charge facilement avec le programme suivant.

Métadonnées
TABGEN Explanation Example..XXX.Brazil.
Code Code of student BRA-FOR-ART-186
G_City Place of Survey FOR
G_State Country of Survey BRA
G_Study Domain of studies ART
G_Time Day of survey (to be converted by Excel with “format” date) 40086
G_Comp Code of people who have introduced data on the website 71
A1_Gender Gender M
A2_Age Age (difference between year of survey and year of birth) 20
A3_Born_i Country where student was born BRA
A3_Born_f Country where student’s father was born BRA
A3_Born_m Country where student’s mother was born BRA
AX_Mixt_Father Difference between student & father’s country of birth (0/1) 0
AX_Mixt_Mother Difference between student & mother’s country of birth (0/1) 0
A4_Nat1_Name 1st Nationality of student Brazilian
A4_Nat1_State Country associated to this 1st nationality (if relevant) BRA
A4_Nat2_Name 2nd Nationality of student German
A4_Nat2_State Country associated to this 1st nationality (if relevant) DEU
AX_Nbnat Number of nationalities 2
AX_Mixt_Birth Difference between country of survey and birthplace of student (0/1) 0
AX_Mixt_Nat1 Difference between country of survey and nationality of student (0/1) 0
AX_Mixt Sum of AX_Mixt variables (0 to 4) 0
A5_lang1Name language spoken at 5 years old Portuguese
A5_lang2Name language spoken at 5 years old NA
A5_lang3Name language spoken at 5 years old NA
A6_lang1Name language daily spoken (except language spoken at 5) NA
A6_lang2Name language daily spoken (except language spoken at 5) NA
A6_lang3Name language daily spoken (except language spoken at 5) NA
A7_lang1Name Other language spoken (out of previous ones) English
A7_lang2Name Other language spoken (out of previous ones) NA
A7_lang3Name Other language spoken (out of previous ones) NA
AX_Nblang Number of different languages spoken actually or in the past 2
A8_liv1_State Country where student has lived more than 6 months NA
A8_liv2_State Country where student has lived more than 6 months NA
A8_liv3_State Country where student has lived more than 6 months NA
A8_liv4_State Country where student has lived more than 6 months NA
A8_liv5_State Country where student has lived more than 6 months NA
AX_nbliv Number of countries where student has lived more than 6 months 0
A9_vis1_State Last 5 countries visited FRA
A9_vis2_State Last 5 countries visited DEU
A9_vis3_State Last 5 countries visited PRT
A9_vis4_State Last 5 countries visited USA
A9_vis5_State Last 5 countries visited NA
AX_Nbvis Number of countries visited 4
A10_LevInc_raw Level of income of familiy (raw) 8
A10_LevInc Level of income of familiy (qualitative) (4) High
A11_LevEdu_f_raw Level of education of father (raw) 8
A11_LevEdu_f Level of education of father (qualitative) (4) High
A12_LevEdu_m_raw Level of education of mother (raw) 8
A12_LevEdu_m Level of education of mother (qualitative) (4) High
A13_loc Belonging to local level (rank) 5
A13_inf Belonging to infranational level (rank) 2
A13_nat Belonging to national level (rank) 4
A13_sup Belonging to supranational level (rank) 1
A13_glo Belonging to global level (rank) 3
A13_oth Belonging / other answer(rank) 0
A13_oth_answer Belonging / other answer (explanation) NA
A13_nbanswer Belonging : number of answers 6
A13_Rank1_Nb Belonging : number of anwers at rank 1 1
A13_Rank1 First rank of belonging (with category of “complex” for ex=aequo) (4) Sup
A13_Rank1_max First rank of belonging (with choice of upper level if ex=aequo) (4) Sup
A13_Rank1_min First rank of belonging (with choice of lower level if ex=aequo) (4) Sup
A14_Relig People having declared a religious belief (1=yes, 0 = no answer OR refuse to answer OR no religion) 0
A14_Relig_Niv1 Religion declared (categorisation 1) NA
A14_Relig_Niv2 Religion declared (categorisation 2) NA
A14_Relig_Oth Other religions declared (if not classified) NA
B1_CITLIK1_Name First answer to city like (Name of city) New York (NY)
B1_CITLIK1_Code First answer to city like (Code of city) NYC
B1_CITLIK1_State First answer to city like (Code of state where city is located) USA
B1_CITLIK2_Name Second answer to city like (Name of city) Los Angeles (CA)
B1_CITLIK2_Code Second answer to city like (Code of city) LAX
B1_CITLIK2_State Second answer to city like (Code of state where city is located) USA
B1_CITLIK3_Name Third answer to city like (Name of city) Sapporo
B1_CITLIK3_Code Third answer to city like (Code of city) SPK
B1_CITLIK3_State Third answer to city like (Code of state where city is located) JPN
B1_CITLIK4_Name Fourth answer to city like (Name of city) Barcelona
B1_CITLIK4_Code Fourth answer to city like (Code of city) BCN
B1_CITLIK4_State Fourth answer to city like (Code of state where city is located) ESP
B1_CITLIK5_Name Fifth answer to city like (Name of city) San Francisco
B1_CITLIK5_Code Fifth answer to city like (Code of city) SFO
B1_CITLIK5_State Fifth answer to city like (Code of state where city is located) USA
B1_CITLIK_NB Number of answer given to city like 5
B1_CITUNL1_Name First answer to city not like (Name of city) Kabul
B1_CITUNL1_Code First answer to city not like (Code of city) KBL
B1_CITUNL1_State First answer to city not like (Code of state where city is located) AFG
B1_CITUNL2_Name Second answer to city not like (Name of city) Sydney
B1_CITUNL2_Code Second answer to city not like (Code of city) SYD
B1_CITUNL2_State Second answer to city not like (Code of state where city is located) AUS
B1_CITUNL3_Name Third answer to city not like (Name of city) Toronto
B1_CITUNL3_Code Third answer to city not like (Code of city) TOR
B1_CITUNL3_State Third answer to city not like (Code of state where city is located) CAN
B1_CITUNL4_Name Fourth answer to city not like (Name of city) Bruxelles (= Brussel)
B1_CITUNL4_Code Fourth answer to city not like (Code of city) BRU1
B1_CITUNL4_State Fourth answer to city not like (Code of state where city is located) BEL
B1_CITUNL5_Name Fifth answer to city not like (Name of city) Lima
B1_CITUNL5_Code Fifth answer to city not like (Code of city) LIM
B1_CITUNL5_State Fifth answer to city not like (Code of state where city is located) PER
B1_CITUNL_NB Number of answer given to city not like 5
B1_CIT_NB Numbe or answer given to city (like or not like) 10
B2_STALIK1_eng First answer to state like (english name) Japan
B2_STALIK1_iso First answer to state like (Code of state) JPN
B2_STALIK2_eng Second answer to state like (english name) USA
B2_STALIK2_iso Second answer to state like (Code of state) USA
B2_STALIK3_eng Third answer to state like (english name) France
B2_STALIK3_iso Third answer to state like (Code of state) FRA
B2_STALIK4_eng Fourth answer to state like (english name) United Kingdom
B2_STALIK4_iso Fourth answer to state like (Code of state) GBR
B2_STALIK5_eng Fifth answer to state like (english name) Spain
B2_STALIK5_iso Fifth answer to state like (Code of state) ESP
B2_STALIK_NB Number of answer given to state like 5
B2_STAUNL1_eng First answer to state not like (english name) Cambodia
B2_STAUNL1_iso First answer to state not like (Code of state) KHM
B2_STAUNL2_eng Second answer to state not like (english name) Uzbekistan
B2_STAUNL2_iso Second answer to state not like (Code of state) UZB
B2_STAUNL3_eng Third answer to state not like (english name) Pakistan
B2_STAUNL3_iso Third answer to state not like (Code of state) PAK
B2_STAUNL4_eng Fourth answer to state not like (english name) Egypt
B2_STAUNL4_iso Fourth answer to state not like (Code of state) EGY
B2_STAUNL5_eng Fifth answer to state not like (english name) Paraguay
B2_STAUNL5_iso Fifth answer to state not like (Code of state) PRY
B2_STAUNL_NB Number of answer given to state not like 5
B2_STA_NB Number of answer given to state (like or not like) 10
C2_reg1 Name of divison of the world drawn on map power
C2_reg2 Name of divison of the world drawn on map backyard
C2_reg3 Name of divison of the world drawn on map lot of people
C2_reg4 Name of divison of the world drawn on map NA
C2_reg5 Name of divison of the world drawn on map NA
C2_reg6 Name of divison of the world drawn on map NA
C2_reg7 Name of divison of the world drawn on map NA
C2_reg8 Name of divison of the world drawn on map NA
C2_reg9 Name of divison of the world drawn on map NA
C2_reg10 Name of divison of the world drawn on map NA
C2_reg11 Name of divison of the world drawn on map NA
C2_reg12 Name of divison of the world drawn on map NA
C2_reg13 Name of divison of the world drawn on map NA
C2_reg14 Name of divison of the world drawn on map NA
C2_reg15 Name of divison of the world drawn on map NA
C2_Nbzon Number of names of division of the world (not necessarry equal to division drawn) 3
C2_Nbzon_Cl Number of names of divsion (qualitative groups) (A) 1 to 3
D2_Nbansw Words associated to Europe (number of answers) 3
D2_answ1 Words associated to Europe (answer 1) nobility
D2_answ2 Words associated to Europe (answer 2) first world
D2_answ3 Words associated to Europe (answer 3) foreigner
D2_answ4 Words associated to Europe (answer 4) NA
D2_answ5 Words associated to Europe (answer 5) NA

Ce fichier de métadonnées a été intégré dans le label des variables du fichier ebm2010_V2.RDS.

Fichier pédagogique

Toutes les variables contenues dans le fichier complet ne sont pas utiles et la taille de celui-ci est à coup sûr trop grande pour des exercices à vocation pédagogique. Nous avons donc produit un tableau plus petit de 22 colonnes qui conserve une partie seulement des variables et leur donne des codes plus simples.

Tableau pédagogique
id cit sta stu sex age nai nat lan nblan nbmig nbvis inc lev rel rel_name stalik1 stalik2 stalik3 staunl1 staunl2 staunl3
AZE-BAK-BUS-001 BAK Azerbaïdjan BUS F NA AZE AZE Azerbaijani 2 2 0 4 National Yes Muslim X-CAS SWZ DNK NA NA NA
AZE-BAK-BUS-002 BAK Azerbaïdjan BUS M 19 AZE AZE Azerbaijani 4 1 1 6 Global Yes Muslim NA NA NA NA ARM NA
AZE-BAK-BUS-003 BAK Azerbaïdjan BUS M 19 AZE AZE Azerbaijani 2 0 0 2 National Yes No answer ESP SGP USA ARM TCD NGA
AZE-BAK-BUS-004 BAK Azerbaïdjan BUS M 19 AZE YYYY Azerbaijani 4 0 0 2 Global No/NA/RR NA USA SWZ NOR NA NA NA
AZE-BAK-BUS-005 BAK Azerbaïdjan BUS M NA TUR TUR Arabic 4 0 2 4 National Yes Muslim RUS AZE TKM NA NA NA
AZE-BAK-BUS-006 BAK Azerbaïdjan BUS M NA AZE YYYY Azerbaijani 4 0 0 0 National No/NA/RR NA NA NA NA UKR RUS USA

Géocodage

Les questions relatives au choix de villes et de pays attractifs ou répulsifs ont fait l’objet d’un travail important de post-traitement afin d’éliminer les réponses erronées et coder les localisations des villes citées. Nous reproduisons ici la démarche qui a été suivie pour aboutir à un fichier d’analyse plus facile à manipuler statisttiquement et à cartographier.

Forme du questionnaire

La partie B du questionnaire se composait en pratique de 4 blocs de questions inter-reliées entre lesquels nous avions introduit volontairement un effet de halo, c’es-à-dire assumé le fait que le choix des réponses à une question aurait une influence sur les autres. Il est de ca fait important de bien rappeler la mise en page visuelle du formulaire rempli sur papier par les étudiants :

Question B du questionnaire EuroBroadMap

Plusieurs éléments sont à prendre en compte pour constituer un fichier restituant toute la richesse de ce bloc de question :

  • Exclusion du pays dont la personne a la nationalité : Cette règle qui visait à forcer les étudiants à se projeter en dehors des limites de leur espace national n’a pas toujours été respectée. Il faut donc en principe mettre à part ou éliminer les réponses non conformes aux attentes. Mais en gardant en tête que les étudiants étrangers pouvaient déclarer dans leurs réponses les pays ou villes dans lesquelles ils ont été enquêtés. Ainsi, un étudiant camerounais qui aurait répondu à l’enquête pendant ses études à Paris pouvait déclarer la France ou Paris dans ses réponses.

  • Double présence des pays dans les réponses : Les pays apparaissient évidemment directement dans les réponses aux questions où on leur demande ceux où ils voudraient vivre ou ne pas vivre. Mais ils apparaissent aussi indirectement dans le choix des villes où ils ont déclaré vouloir vivre ou ne pas vivre. Dans le premier cas, un pays est cité au plus une fois, soit en positif, soit en négatif. Dans le second cas, unpays peut apparaître plusieurs fois, aussi bien en positif qu’en négatif. Par exemple, un étudiant tunisien peut déclarer qu’il aimerait bien vivre à Marseille ou Montpellier mais pas à Paris ou Bordeaux.

  • Rang et nombre de réponses : la mise en page suggère un ordre des réponses qu’il est intéressant de conserver. Il ne s’agit pas nécessairement d’un ordre de préférence ou de rejet. Mais plutôt un ordre chronologique qui révèle d’éventuelles associations d’idées suivies par la personne qui répond aux questions. Il s’agit en tous les cas d’une information intéressante à conserver. Quant au nombre de réponses, il n’est évidemment pas toujours égal au maximum proposé et doit être pris en considération dans les analyses.

  • Non respect des types de lieux attendus : l’enquête portait sur les villes et les pays, mais certains étudiants n’ont pas respecté la consigne. Il y a tout d’abord eu des erreurs volontaires ou non de réponse par rapport à ces deux catégories. Ainsi, une ville peut apparaître dans les listes de pays ou l’inverse. Mais il peut aussi arriver, surtout dans le cas des pays, que les étudiants donnent en réponse des espaces infra-nationaux (e.g. Ecosse, Pays de Galles, …), des espaces suprantionaux (Eurpope, Afrique subsaharienne, …) , des espaces transnationaux (e.g. Kurdistan) voire des catégories non géographiques (pays riches, pays froids, …). Le codage des réponses doit permettre de conserver ces cas pourune analyse spéarée et, lorsque cela est possible, de les rattacher aux réponses attendues.

  • Ambiguïtés : Il existe enfin des cas où la réponse n’a pau être identifiée ou est ambiguë.

Toutes ces questions soulèvent des problèmes complexes et imposent de faire des choix. La solution proposée dans le projet EuroBroadMap n’est donc pas la seule possible et il est important de garder la trace des choix effectués sous la forme d’un programme reproductible et modifiable.

Extraction des pays

On commence par construire un nouveau tableau comportant les 10 réponses de chaque étudiant en format vertical. On ajoute une colonne “city” vide.

Le tableau passe alors de 9317 lignes (nombre d’étudiants) à 93170 puisqu’il y a dix réponses possibles. A ce stade, on conserve la totalité des réponses même lorsqu’elles sont vides. Prenons deux exemples d’étudiant ayant des réponses plus ou moins complètes

Réponse de deux étudiants sur les pays
Code state city name type rank opi
FRA-LEH-ART-001 NA NA NA STA 1 -1
FRA-LEH-ART-001 NA NA NA STA 2 -1
FRA-LEH-ART-001 NA NA NA STA 3 -1
FRA-LEH-ART-001 NA NA NA STA 4 -1
FRA-LEH-ART-001 NA NA NA STA 5 -1
FRA-LEH-ART-001 BEL NA Belgium STA 1 1
FRA-LEH-ART-001 CAN NA Canada STA 2 1
FRA-LEH-ART-001 NA NA NA STA 3 1
FRA-LEH-ART-001 NA NA NA STA 4 1
FRA-LEH-ART-001 NA NA NA STA 5 1
FRA-LEH-ART-004 ESP NA Spain STA 1 -1
FRA-LEH-ART-004 BEL NA Belgium STA 2 -1
FRA-LEH-ART-004 ITA NA Italy STA 3 -1
FRA-LEH-ART-004 DEU NA Germany STA 4 -1
FRA-LEH-ART-004 PRT NA Portugal STA 5 -1
FRA-LEH-ART-004 JPN NA Japan STA 1 1
FRA-LEH-ART-004 X-NAM NA North America STA 2 1
FRA-LEH-ART-004 GBR NA United Kingdom STA 3 1
FRA-LEH-ART-004 NA NA NA STA 4 1
FRA-LEH-ART-004 NA NA NA STA 5 1
  • Commentaire : Le premier étudiant a fourni deux réponses relatives aux pays où il aimerai vivre (Belgique et Canada) et aucune concernantles pays où il n’aimerai pas vivre. Le second étudiant a fourni 3 réponses concernant les pays où il aimerai vivre, dont une qui ne correspond pas à un pays (Amérique du Nord). Il a indiqué par ailleurs 5 pays où il n’aimerai pas vivre.

Extraction des villes

On reccommence la même opération pour les dix questions sur les villes mais en remplissant cette fois-ci les deux colonnes relatives à la ville et au pays où elle se trouve.

Reprenons l’exemple des deux étudiants précédents pour voir comment leurs réponses sur les villes apparaissent dans le tableau :

Réponse de deux étudiants sur les villes
Code state city name type rank opi
FRA-LEH-ART-001 NA NA NA CIT 1 -1
FRA-LEH-ART-001 NA NA NA CIT 2 -1
FRA-LEH-ART-001 NA NA NA CIT 3 -1
FRA-LEH-ART-001 NA NA NA CIT 4 -1
FRA-LEH-ART-001 NA NA NA CIT 5 -1
FRA-LEH-ART-001 NA NA NA CIT 1 1
FRA-LEH-ART-001 NA NA NA CIT 2 1
FRA-LEH-ART-001 NA NA NA CIT 3 1
FRA-LEH-ART-001 NA NA NA CIT 4 1
FRA-LEH-ART-001 NA NA NA CIT 5 1
FRA-LEH-ART-004 ESP 3117735 Madrid CIT 1 -1
FRA-LEH-ART-004 BEL 2800866 Brussels CIT 2 -1
FRA-LEH-ART-004 DEU 2950159 Berlin CIT 3 -1
FRA-LEH-ART-004 ITA 3169070 Rome CIT 4 -1
FRA-LEH-ART-004 USA 4164138 Miami CIT 5 -1
FRA-LEH-ART-004 USA 5128581 New York City CIT 1 1
FRA-LEH-ART-004 JPN 1850147 Tokyo CIT 2 1
FRA-LEH-ART-004 GBR 2643743 London CIT 3 1
FRA-LEH-ART-004 ISR 293397 Tel Aviv CIT 4 1
FRA-LEH-ART-004 NA NA NA CIT 5 1
  • Commentaire : Le premier étudiant n’a fourni aucune réponse sur les villes qu’il considère comme attractives ou répulsives. Le second étduant a indiqué en revanche cinq villes répulsives et quatre villes attractives. Chacune des 9 villes citées a été reconnue et codée, ce qui a permis de remplir la colonne correspondant au pays dans lequel la ville se trouve. On a ici un bon exemple de cas où un pays peut-être cité à la fois positivement et négativement puisque l’étudiant declare qu’il aimerait bien vivre à New-York mais pas à Miami.

Assemblage

On rassemble des deux tableaux en un seul et on leur ajoute des métadonnées pour faciliter la sélection ultérieure des étudiants en fonction de leur nombre de réponses aux quatre groupes de questions.

On peut désormais plus facilement extraire des échantillons répondant à certaines caractéristiques en terme de nombre de réponses. Voici un exemple de questionnaire complet où l’étudiant a fourni 20 réponses :

Cas d’un étudiant ayant répondu à toutes les questions
Code state city name type rank opi nbstalik nbstaunl nbcitlik nbcitunl nbsta nbcit nbrep
TUR-ERZ-ART-040 IRN 112931 Tehran CIT 1 -1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 SYR 170654 Damascus CIT 2 -1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 LBN 276781 Beirut CIT 3 -1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 NA 0 Palestine CIT 4 -1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 NA 0 Africa CIT 5 -1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 ITA 3164603 Venice CIT 1 1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 ITA 3176959 Florence CIT 2 1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 DEU 2911298 Hamburg CIT 3 1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 GRC 264371 Athens CIT 4 1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 NA 0 Scotland CIT 5 1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 IRQ NA Iraq STA 1 -1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 IRN NA Iran Islamic Republic STA 2 -1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 PSE NA Occupied Palestinian Territory STA 3 -1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 ISR NA Israel STA 4 -1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 USA NA USA STA 5 -1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 GBR NA United Kingdom STA 1 1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 FRA NA France STA 2 1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 NLD NA Netherlands STA 3 1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 DEU NA Germany STA 4 1 5 5 5 5 10 10 20
TUR-ERZ-ART-040 AUS NA Australia STA 5 1 5 5 5 5 10 10 20
  • Commentaire : L’étudiant a bien fourni 20 réponses mais on peut voir que, dans le cas des villes, certaines réponses sont codées 0 car elles ne corrrespondent pas à des villes mais à des espaces infranationaux (Palestine, Ecosse) ou supranationaux (Afrique). Nous ne modifions cependant pas le comptage puisque ce qui est mesuré ici est le nombre de réponses et non pas leur caractère conforme ou pas aux attentes.

On sauvegarde le tableau obtenu sous le nom ebm2010_attrep au format RDS et au format .csv

Géocodage

Les ingénieurs du projet EuroBroadMap ont effectué un important travail de codage des villes et des pays cités, que nous allons récupérer mais aussi légèrement modifier ou compléter.

pays ou assimilés

On commence par extraire tous les couples de noms de pays et de codes.

On charge ensuite un fonds de carte de référence comportant des codes iso3 et des clés d’agrégation vers des niveaux supérieurs et on effectue la jointure avec les code EuroBradMpa

Pays les plus cités
iso3 name region continent n
USA United States of America Northern America Americas 5245
FRA France Western Europe Europe 4472
GBR U.K. of Great Britain and Northern Ireland Northern Europe Europe 3803
IRQ Iraq Western Asia Asia 3082
ITA Italy Southern Europe Europe 3066
DEU Germany Western Europe Europe 2773

On vérifie le fonds de carte en représentant pour chaque pays le nombre de fois où il a été cité positivement ou négativement :

On n’effectue pas ici de recodage des entités infra-nationales et on laisse à l’appréciation des chercheurs le choix - par exemple - de regrouper l’Ecosse ou le pays de Galles avec le Royaume-Uni. Les codes du type X-yyy permettent en effet de retrouver le pays auquel appartient une zone infranationale.

Villes ou assimilés

On reprend la même procédure :

Villes les plus cités
city name n
2988507 Paris 4333
2643743 London 4083
5128581 New York City 3945
1850147 Tokyo 2173
98182 Baghdad 1854
3169070 Rome 1736

On charge ensuite un fonds de carte des pays et celui des villes, en s’assurant qu’ils ont bien la même projection

On produit une carte permettant de visualiser les villes les plus citées, que ce soit positivement ou négativement